LSML 2021/2022 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Причесал актуальную страницу)
Строка 5: Строка 5:
 
'''Лектор:''' [https://www.hse.ru/org/persons/175396509 Зимовнов Андрей Вадимович]
 
'''Лектор:''' [https://www.hse.ru/org/persons/175396509 Зимовнов Андрей Вадимович]
  
−
Лекции проходят
+
'''Семинаристы:''' [https://www.hse.ru/org/persons/137309118 Космачев Алексей Дмитриевич], [https://www.hse.ru/staff/naorlov Орлов Никита Андреевич]
  
 +
Лекции проходят в онлайн-режиме.
 +
 +
Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.
  
 
=== Полезные ссылки ===
 
=== Полезные ссылки ===
  
−
Таблица с оценками:  
+
Таблица с оценками: https://docs.google.com/spreadsheets/d/1IVUCvAcFyfVUOH9lAajIvsVr4ejxetSga6aApkIWkB8
  
−
Самостоятельные задачи сдаются в Dropbox. Для каждого семинара своя отдельная ссылка на прием заданий:
+
Канал в telegram для объявлений: https://t.me/+7VP609liR2ozY2Zi
  
−
Канал в telegram для объявлений:  
+
Группа в telegram для обсуждения всего: https://t.me/+mvTtpmKL3ZE3MmIy
  
−
Заметки с семинаров (там же указываются задачи для самостоятельного решения):
+
[https://github.com/ADKosm/lsml-2022-public Репозиторий с материалами семинаров]
  
 
Ошибки в материалах лекций/семинаров/заданий лучше всего оформлять в виде issue на github.
 
Ошибки в материалах лекций/семинаров/заданий лучше всего оформлять в виде issue на github.
  
−
== Семинары ==
+
Самостоятельные задачи сдаются в Dropbox. Для каждого задания своя отдельная ссылка на прием заданий:
  
 
{| class="wikitable"
 
{| class="wikitable"
 
|-
 
|-
−
! Группа !! Преподаватель !! Ассистент !! Чат!! Время !! Зум
+
! Задание !! Ссылка для сдачи !! Ссылка на домашнее задание !! Дата выдачи !! Дедлайн
 
|-
 
|-
−
| МОП 181 || Орлов Никита Андреевич|| Лёшка|| || ||
+
| Мини домашнее задание 1. || https://www.dropbox.com/request/OT95VGyQbpiR55XI78MY || <TBD> || 20 января || 3 февраля 23:59
 
|-
 
|-
−
| МОП 122 || Космачев Алексей Дмитриевич || || || ||
+
| Мини домашнее задание 2. || https://www.dropbox.com/request/k85bwxdvJSZIh501MaTO || <TBD> || 10 февраля || 7 марта 23:59
 +
|-
 +
| Мини домашнее задание 3. || https://www.dropbox.com/request/uGLoFbP4isbJGoTWTCUB || <TBD> || 24 февраля || 17 марта 23:59
 +
|-
 +
| Мини домашнее задание 4. || https://www.dropbox.com/request/l8tmSEZt1CPmzZN0XyF8 || <TBD> || 18 марта || 28 марта 23:59
 +
|-
 +
| Основное домашнее задание || https://www.dropbox.com/request/Ie3QuAXTWBjBU3DsIfPW || <TBD> || 24 февраля || 28 марта 23:59
 
|-
 
|-
 
|}
 
|}
  
 +
== Семинары ==
 +
 +
{| class="wikitable"
 +
|-
 +
! Группа !! Преподаватель !! Ассистент !! Время !! Зум
 +
|-
 +
| МОП 181 || Орлов Никита Андреевич|| Лёшка || 18:10 ||
 +
|-
 +
| МОП 182 || Космачев Алексей Дмитриевич || https://t.me/bigbluebutterfly || 16:20 ||
 +
|-
 +
|}
  
 
=== Консультации ===
 
=== Консультации ===
Строка 48: Строка 68:
 
Итоговая оценка вычисляется:
 
Итоговая оценка вычисляется:
  
−
O<sub>итоговая</sub> = 0.5* O<sub>домашка</sub> + 0.2 * O<sub>сам. раб.</sub> + 0.3 * О<sub>экзамен</sub>
+
O<sub>итоговая</sub> = 0.125*(O<sub>МДЗ1</sub> + O<sub>МДЗ2</sub> + O<sub>МДЗ3</sub> + O<sub>МДЗ4</sub>) + 0.5*O<sub>ДЗ</sub>
−
 
+
−
Автомат возможен при высоких оценках за практическое домашнее задание и решенные самостоятельные задания.
+
  
 
=== Правила сдачи заданий ===
 
=== Правила сдачи заданий ===
  
−
На все домашние задания каждому студенту отводится ~500$ для работы в облаке Azure.
 
 
Важно останавливать\удалять ресурсы, создаваемые в облаке, так как в противном случае финансов может не хватить для выполнения всех заданий. Полезно при этом овладеть навыком сохранения промежуточных данных в облачном хранилище - это позволит максимально быстро выполнять задания с минимальными финансовыми затратами.
 
Важно останавливать\удалять ресурсы, создаваемые в облаке, так как в противном случае финансов может не хватить для выполнения всех заданий. Полезно при этом овладеть навыком сохранения промежуточных данных в облачном хранилище - это позволит максимально быстро выполнять задания с минимальными финансовыми затратами.
  
Строка 62: Строка 79:
  
 
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.
 
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.
−
 
−
== Лекции ==
 
−
 
−
== Домашка ==
 
−
 
−
 
−
== Экзамен ==
 
  
 
== Полезные материалы ==
 
== Полезные материалы ==

Версия 18:41, 4 января 2022

О курсе

Курс читается для студентов 4-го курса ПМИ ФКН ВШЭ в 3 модуле. Проводится с 2017 года.

Лектор: Зимовнов Андрей Вадимович

Семинаристы: Космачев Алексей Дмитриевич, Орлов Никита Андреевич

Лекции проходят в онлайн-режиме.

Вычислительные мощности в облаке Yandex.Cloud для курса предоставила компания Яндекс.

Полезные ссылки

Таблица с оценками: https://docs.google.com/spreadsheets/d/1IVUCvAcFyfVUOH9lAajIvsVr4ejxetSga6aApkIWkB8

Канал в telegram для объявлений: https://t.me/+7VP609liR2ozY2Zi

Группа в telegram для обсуждения всего: https://t.me/+mvTtpmKL3ZE3MmIy

Репозиторий с материалами семинаров

Ошибки в материалах лекций/семинаров/заданий лучше всего оформлять в виде issue на github.

Самостоятельные задачи сдаются в Dropbox. Для каждого задания своя отдельная ссылка на прием заданий:

Задание Ссылка для сдачи Ссылка на домашнее задание Дата выдачи Дедлайн
Мини домашнее задание 1. https://www.dropbox.com/request/OT95VGyQbpiR55XI78MY <TBD> 20 января 3 февраля 23:59
Мини домашнее задание 2. https://www.dropbox.com/request/k85bwxdvJSZIh501MaTO <TBD> 10 февраля 7 марта 23:59
Мини домашнее задание 3. https://www.dropbox.com/request/uGLoFbP4isbJGoTWTCUB <TBD> 24 февраля 17 марта 23:59
Мини домашнее задание 4. https://www.dropbox.com/request/l8tmSEZt1CPmzZN0XyF8 <TBD> 18 марта 28 марта 23:59
Основное домашнее задание https://www.dropbox.com/request/Ie3QuAXTWBjBU3DsIfPW <TBD> 24 февраля 28 марта 23:59

Семинары

Группа Преподаватель Ассистент Время Зум
МОП 181 Орлов Никита Андреевич Лёшка 18:10
МОП 182 Космачев Алексей Дмитриевич https://t.me/bigbluebutterfly 16:20

Консультации

Консультации с преподавателями и учебными ассистентами (если иное не оговорено на странице семинаров конкретной группы) по курсу проводятся по предварительной договорённости ввиду невостребованности регулярных консультаций.

При необходимости, можно писать на почту или в Telegram.

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

  • Самостоятельные задания, выдаваемые на каждом семинаре. Дедлайн на сдачу заданий - 2 недели с момента проведения семинара. Не включая день семинара через две недели.
  • Практическое домашнее задание (будет выдано ориентировочно на 3 семинаре).
  • Письменный экзамен.

Итоговая оценка вычисляется:

Oитоговая = 0.125*(OМДЗ1 + OМДЗ2 + OМДЗ3 + OМДЗ4) + 0.5*OДЗ

Правила сдачи заданий

Важно останавливать\удалять ресурсы, создаваемые в облаке, так как в противном случае финансов может не хватить для выполнения всех заданий. Полезно при этом овладеть навыком сохранения промежуточных данных в облачном хранилище - это позволит максимально быстро выполнять задания с минимальными финансовыми затратами.

Дедлайн на самостоятельные задачи, которые выдаются на семинаре - 2 недели со дня семинара. Не включая день семинара через две недели.

Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работы не принимаются.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

Полезные материалы

Книги

  1. Ron Bekkerman, Mikhail Bilenko, John Langford. Scaling up Machine Learning: Parallel and Distributed Approaches, Cambridge University Press, 2011.
  2. Jure Leskovec, Anand Rajaraman, Jeff Ullman. Mining of Massive Datasets, Cambridge University Press, 2014.
  3. Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning (Adaptive Computation and Machine Learning series), The MIT Press, 2016.
  4. Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills. Advanced Analytics with Spark: Patterns for Learning from Data at Scale, O'Reilly Media, 2015.

Странички прошлых лет

http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных

Источник — «http://wiki.cs.hse.ru/index.php?title=LSML_2021/2022&oldid=63571»